上个月接了趟私活，甲方扔过来437张产品实拍图，要求每张去灰、校准白平衡再出三种背景色。按我以前的习惯，直接开Lightroom一张张调，遇到反光杯瓶身还要单独拉渐变蒙版。结果折腾到第二天凌晨三点，腰椎报警不说，图才修到第80张。后来实在扛不住，把剩下的357张全部交给预设自动跑，线性渐变参数这次倒是卡得精准了，可用所谓中性灰吸管校白平衡时，至少有27张的蓝色通道高光溢出了，颜色像泡水的牛仔裤。
痛定思痛，我开始把流程拆成模板和算法两层。模板层还是手动打磨：拿最代表玻璃反光的DSC_0214号图做底板，在Capture One里确定基线色温为5600K，对比度曲线定在S形中段，高光压缩到-25，阴影提拉+18，这套参数存成ICCP封装预设，直接套用到所有带透明材质的图片上。算法层则用自写的Pillow脚本做像素级筛选，先算出每张图的平均亮度方差，凡是标准差小于9.2的都判定为灰雾偏重，自动追加一层阈值遮罩。这样混合处理下来，原本需要4小时的体力活压缩到8分钟预处理加40分钟人工抽检。
别急着吹效率，转化质变来自一批故障样本。我从中挑出12张在批处理时被误伤的高光轮廓图，逐张分析发现是镜头暗角补偿层和脚本里的CLAHE算法参数冲突了。比如那组玻璃杯边缘带彩虹纹的，OpenCV的clipLimit调成2.0时还能看，一旦升到3.5就开始在拉普拉斯通道产生伪轮廓，数值上直接导致边缘像素的ΔE色差飙到5.8，肉眼可见的蓝紫边。后来我只能把2.0作为生成缩略图用的低阶参数，而用于出版级输出的原图则彻底关闭自动增强，改为给每张图单独启用高斯模糊遮罩，半径设为2.8px。说实话，这种程度的解决方式谈不上优雅，但最起码没有把高光层次毁成塑料白。
还有个大家容易忽略的加工细节：元数据里的色彩渲染意图。之前用Topaz Gigapixel做两倍无损放大时，我顺手用了默认的Relative渲染，结果输出后所有尼康RAW里的Adobe RGB信息被硬生生翻译成了sRGB，暗部层次直接掉了8个灰阶。后来我改成在进入AI放大程序前，先把所有文件的ICC配置文件转换成betaRGB并勾选Black Point Compensation，再丢给脚本做批处理，这才把色彩收敛到可接受范围。对比之下，哪怕是最智能的放大算法，也比不上你花两分钟检查色彩引擎转换来得好。素材加工从来不是无脑堆参数，而是不断记录哪张图在哪一步会叛变的过程。
你问我最后选了哪条路？我既没重回纯手工，也没完全依赖自动化。现在固定流程是：先花15分钟做首轮筛选，分出三个优先级批次，然后让手工调试的预设覆盖A类封面图，B类常规图走半自动加概率抽检，C类垫底素材干脆用动作脚本一键搞定。这听起来不像什么惊艳的工作流，可它确实让我在上周五晚上十点前交掉了全部稿件，甚至还来得及给甲方附上一页十张关键图的加工前后直方图对比。如果你想试试这套思路也不难，但请一定记得保留你自己的修图撤销记录——比任何智能软件都诚实。
